研究人员开发了scAnyOmics,一个新颖的生成框架,旨在整合和预测来自不完整单细胞多组学数据的缺失分子信息。该框架将知识从预训练的基础模型蒸馏到一个多模态学生模型中,实现了跨模态预测和重构转录组学、蛋白质组学和染色质可及性等数据。在包含690,880个细胞的大型数据集上进行评估,scAnyOmics在重构缺失模态方面表现优于基线方法,并在细胞类型注释和生物年龄估计等应用中显示出潜力。 AI
影响 通过整合不同的分子测量数据,实现了对生物数据的更全面分析。
排序理由 该集群包含一篇关于用于生物数据分析的新计算框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXivLabs
- CatalyzeX Code Finder for Papers
- chromatin accessibility
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- protein-marker
- Proteomics
- scAnyOmics
- scATAC-seq
- ScienceCast
- scite Smart Citations
- single-cell RNA-seq
- transcriptomics
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →